快學數據挖掘—數據探索—貢獻度分析

貢獻度分析又稱帕累托分析，它的原理是帕累托法則又稱20/80定律。同樣的投入放在不同的地方會產生不同的效益。例如，對一個公司來講，80%的利潤常常來自于20%最暢銷的產品，而其他80%的產品只產生了20%的利潤。

帕累托圖

帕累托圖又叫排列圖、主次圖,是按照發生頻率大小順序繪制的直方圖，表示有多少結果是由已確認類型或范疇的原因所造成。它是將出現的質量問題和質量改進項目按照重要程度依次排列而采用的一種圖表?？梢杂脕矸治鲑|量問題，確定產生質量問題的主要因素。按等級排序的目的是指導如何采取糾正措施：項目班子應首先采取措施糾正造成最多數量缺陷的問題。從概念上說，帕累托圖與帕累托法則一脈相承，該法則認為相對來說數量較少的原因往往造成絕大多數的問題或缺陷

排列圖用雙直角坐標系表示,左邊縱坐標表示頻數,右邊縱坐標表示頻率.分析線表示累積頻率,橫坐標表示影響質量的各項因素,按影響程度的大小(即出現頻數多少)從左到右排列,通過對排列圖的觀察分析可以抓住影響質量的主要因素.

帕累托法則往往稱為二八原理，即百分之八十的問題是百分之二十的原因所造成的。帕累托圖在項目管理中主要用來找出產生大多數問題的關鍵原因，用來解決大多數問題。

SPSS帕累托圖

catering_dish_profit.xls

數據集下載地址

帕累托圖就餐飲企業來講，應用貢獻度分析可以重點改善某菜系盈利最高的前80%的菜品，或者重點發展綜合影響最高的80%的部門。這種結果可以通過帕累托圖直觀地呈現出來。上圖是海鮮系列的十個菜品A1～A10某個月的盈利額（已按照從大到小排序）。

分析結果

由上圖可知，菜品A1～A7共7個菜品，占菜品種類數的70%，總盈利額約占該月盈利額的85%。根據帕累托法則，應該增加對菜品A1～A7的成本投入，減少對菜品A8～A10的投入以獲得更高的盈利額。

Python程序

#coding: utf-8
# dish_pareto.py

import matplotlib.pyplot as plt
from numpy import nan as NA
import pandas as pd

plt.rcParams['font.sans-serif'] = ['SimHei'] #用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False #用來正常顯示負號

# 讀取數據源
xlsFilename = "catering_dish_profit.xls"
#df = pd.read_excel(xlsFilename, index_col='菜品名')
df = pd.read_excel(xlsFilename)

#---------------------------------------------------------------------
# 繪制帕累托圖
#plt.figure()

# 繪制直方圖
df1 = df.loc[:,['菜品名', '盈利']]
df1 = df1.sort_values('盈利', ascending = False)
df1 = df1.set_index('菜品名')
df1.plot(kind='bar')

# 繪制線段
# sum()是計算樣本的總和；cumsum()是依次給出前1,2,3.。。n個數的和
df3 = 1.0 * df1['盈利'].cumsum() / df1['盈利'].sum()
df3.plot(color = 'r', secondary_y = True, style = '-o',linewidth = 2)

# 繪制標注
df3 = df3.reset_index(drop=True)
df4 = df3[df3>=0.8][0:1]
pointX = df4.index[0]
pointY = df4[pointX]
plt.annotate(format(pointY, '.2%'), xy = (pointX, pointY), xytext=(pointX*0.9, pointY*0.9), arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) #添加注釋，即85%處的標記。這里包括了指定箭頭樣式。

# 設置標簽
plt.ylabel('盈利（元）')
plt.ylabel('盈利（比例）')

plt.show()